คู่มือของ Y Combinator คือแผนคู่แข่งที่เปิดให้อ่านฟรี

ลูกค้าจ่ายเงินให้สำนักงานบัญชี สำนักงานกฎหมาย หรือ agency มาตลอด เพื่อแลกกับงานที่เสร็จ งบที่ปิดได้ สัญญาที่เซ็นได้ แคมเปญที่ขึ้นได้ ไม่เคยมีลูกค้าคนไหนถามว่าข้างในใช้คนกี่คน

ตอนนี้มีคนเห็นช่องตรงนั้นแล้วตั้งบริษัทแบบใหม่ขึ้นมา บริษัทแบบนี้ให้ AI ทำงานส่วนใหญ่ แล้วขายงานที่เสร็จในราคาเทียบกับค่าจ้างคน นักลงทุนเรียกธุรกิจแบบนี้ว่า AI-native services (ธุรกิจบริการที่ AI ลงมือทำงานเอง) ส่วน Y Combinator หรือ YC โครงการบ่มเพาะ startup รายใหญ่ ก็ประกาศหาบริษัทแนวนี้ติดกัน 3 รอบตั้งแต่กลางปี 2025

คู่มือของสายนี้มีแล้วอย่างน้อย 2 ฉบับ คือคลิปของ Charlie Warren (Visiting Partner ของ YC ที่เล่าจากสิ่งที่ YC เห็นในบริษัทที่ร่วมโครงการ) กับบทความของ Jake Saper, Lotti Siniscalco, Rishub Nahar และ Kabir Sial จาก Emergence Capital ทั้งสองฉบับบอกไว้ตั้งแต่ต้นว่าเขียนให้ใคร Warren พูดตรงๆ ว่า "It's aimed at people thinking about starting a company, not if you're already running one." เขียนให้คนที่กำลังคิดจะตั้งบริษัท ไม่ใช่คนที่บริหารบริษัทอยู่แล้ว

แต่คนที่จะมาแย่งงบก้อนเดียวกับคุณอ่านคู่มือพวกนี้ทุกบรรทัด ถ้าคุณขายงานให้ลูกค้าอยู่แล้ว คู่มือนี้คือแผนของคู่แข่งที่เปิดให้อ่านฟรี

บทความนี้ Productize สรุป playbook (คู่มือลำดับขั้น) ของ AI-native services จากนักลงทุน 4 ค่าย คือ YC, Emergence Capital, Sequoia และ Foundation Capital ขอบอกตรงนี้ครั้งเดียวว่าทุกแหล่งเป็นนักลงทุนที่เล่าจากบริษัทในพอร์ตตัวเอง และไม่มีเคสที่ล้มให้ดู

ช่วงที่ 1ธุรกิจบริการแบบไหน ที่ AI-native services จะเข้ามาก่อน

งานที่ลูกค้าจ้างคนนอกทำอยู่แล้ว แตกเป็นชิ้นได้ และชิ้นส่วนใหญ่ไม่ต้องใช้วิจารณญาณ แต่งานรวมยากพอที่ลูกค้าจะไม่ยอมรับถ้าไม่มีคนเก่งคุม Warren สรุปไว้เป็น 4 ลักษณะ

ข้อ 1 คือข้อที่คุณควรอ่านช้าๆ Julien Bek จาก Sequoia เขียนไว้ว่า "Replacing an outsourcing contract with an AI-native services provider is a vendor swap." ยกเลิกสัญญาจ้างคนนอกแล้วหันไปจ้างผู้ให้บริการแบบ AI-native ก็แค่เปลี่ยนเจ้า สำหรับคุณ ประโยคนี้แปลว่า งานที่ลูกค้าจ้างคุณอยู่ คืองานที่เปลี่ยนเจ้าได้ง่ายที่สุด เพราะลูกค้าไม่ต้องเปลี่ยนวิธีทำงานของตัวเองเลย

ข้อ 2 ทดสอบได้ด้วยการแตกงานออกเป็นชิ้น เราเคยลองแตกงานบัญชีไว้แล้ว อ่านได้ในบทความ งานบัญชีชิ้นไหนย้ายไป AI แล้ว ธุรกิจอื่นใช้วิธีเดียวกันได้ ต่างกันแค่รายชื่องาน

Warren ให้ถามเพิ่มอีกข้อ "as the models get better, does your service get stronger, or does the model itself commoditize you?" พอโมเดลเก่งขึ้น บริการของคุณแข็งขึ้น หรือโมเดลกลืนคุณจนเหลือแค่ของทั่วไป ถ้าเป็นอย่างหลัง โมเดลรุ่นใหม่ออกทีไร คุณอ่อนลงทุกที

Foundation Capital มองต่างออกไปว่าบริษัทที่รอดคือบริษัทที่ทำงานยุ่งๆ ข้อยกเว้นเยอะ ซึ่งเจ้าของโมเดลมองไม่เห็น ทั้งสองมุมยังไม่มีข้อมูลยืนยัน

ช่วงที่ 2เขาคิดเงินยังไง เมื่อคู่แข่งจริงคือค่าแรง

บริษัท AI-native services ตั้งราคาเทียบกับค่าจ้างคน ไม่เทียบกับค่าซอฟต์แวร์ Warren อธิบายว่า "you're not competing with other software providers, you're competing directly with the cost of labor, internal or outsourced." คู่แข่งไม่ใช่ซอฟต์แวร์เจ้าอื่น แต่เป็นค่าจ้างคน ทั้งพนักงานของลูกค้าเองและคนนอกที่ลูกค้าจ้างอยู่

Bek ยกตัวเลขสมมติว่าบริษัทหนึ่งอาจจ่ายค่าโปรแกรมบัญชีปีละ 10,000 ดอลลาร์ แต่จ่ายค่านักบัญชีปีละ 120,000 ดอลลาร์ ก้อนหลังคือก้อนที่บริษัทแนวนี้เล็ง ราคาที่ลูกค้าเอาไปเทียบ คือเงินเดือนคน ไม่ใช่ค่าโปรแกรม

ตัวอย่างที่แหล่งเหล่านี้ยกมากระจายหลายอุตสาหกรรม

• ที่ปรึกษายื่นเรื่องต่อ FDA (องค์การอาหารและยาของสหรัฐฯ) Panacea จ้างที่ปรึกษา FDA ที่มีประสบการณ์มาทำงานคู่แพลตฟอร์ม AI แล้วคิดเงินต่องานศึกษาที่เสร็จ ทั้งที่ตลาดคิดรายชั่วโมง
• กฎหมาย Crosby ขายงานร่างสัญญารักษาความลับให้บริษัทโดยตรง ไม่ผ่านสำนักงานกฎหมาย
• ประกัน Strala รับแค่งานพิจารณาเคลมให้บริษัทประกัน งานแคบแต่ขั้นตอนซ้ำเดิม

ช่วงที่ 3รายได้โต ไม่ได้แปลว่า AI ทำงานแล้ว

Emergence ตั้งชื่อเรื่องนี้ว่า Mirage PMF "The illusion of product-market fit created by revenue growth that's powered by human labor rather than AI leverage." คือภาพลวงว่ามี PMF (ตลาดต้องการของที่คุณขายจริง) แล้ว ทั้งที่รายได้โตเพราะแรงคน ไม่ใช่เพราะ AI

ถ้าบันทึกค่าคนตรวจงานไว้ผิดหมวด สัญญาณข้อ 1 จะหลอกคุณได้ง่ายที่สุด Emergence เตือนว่า "Too many founders offload labor costs to operating expenses, but since this is a service, they are absolutely COGS." ผู้ก่อตั้งจำนวนมากย้ายค่าแรงไปไว้ในค่าใช้จ่ายดำเนินงาน แต่ในธุรกิจบริการ ค่าแรงคือต้นทุนขาย (เงินที่ต้องจ่ายทุกครั้งที่ส่งงาน) เต็มตัว Warren ก็แยกต้นทุนขายเป็น 3 ก้อน คือค่าโมเดล ค่าระบบ และค่าคนตรวจงาน ทุกก้อนต้องมีคนรับผิดชอบตัวเลข

ตัวอย่างตัวเลขหลักตามข้อ 5 คือ HURT (Human Review Time) ของ Crosby ซึ่งวัดเป็นนาทีที่คนใช้ตรวจเอกสาร 1 ชิ้นหลัง AI ทำเสร็จ โดยคุณภาพไม่ลด Emergence บอกว่ายิ่ง HURT เข้าใกล้ศูนย์ อัตรากำไรก็ยิ่งเข้าใกล้ธุรกิจซอฟต์แวร์

แต่ลดเวลาตรวจเพื่อให้ตัวเลขสวยก็เสี่ยงอีกทาง Warren บอกว่า "Customers will fire you for variance faster than they will fire you for being a bit slower or a bit more expensive than the incumbents." ผลงานที่ไม่สม่ำเสมอทำให้ลูกค้าเลิกจ้างเร็วกว่าราคาแพง ผลสำรวจพนักงานประจำ 1,150 คนจากหลายอุตสาหกรรมที่ TechCrunch อ้างถึงก็พบว่า 40% ต้องแบกงานเพิ่มเพราะงานจาก AI ที่ดูเรียบร้อยแต่ไม่มีเนื้อ

เราเจอเรื่องนี้เองตอนให้ AI 11 ตัวช่วยอ่านเอกสารชุดที่ใช้เขียนบทความนี้ ทุกตัวรายงานว่ายกคำพูดตรงต้นฉบับครบ แต่พอให้โปรแกรมเทียบกับต้นฉบับจริงกลับเจอ 36 จาก 639 จุดที่ไม่ตรง

หลักเดียวกันนี้คือที่มาของบริการ AI แกะบิลบนเครื่องของคุณ ที่เราออกแบบเอง บริการนี้ขายไฟล์ Excel ที่นำเข้าระบบบัญชีได้ ไม่ได้ขายโมเดล หน้าบริการเขียนไว้ว่า "เราไม่ให้ AI คิดเลขแทนคุณ" AI อ่านตัวเลขจากบิลอย่างเดียว ส่วนการบวกลบและภาษีเป็นงานของเครื่องคิดเลขตายตัว ใบไหนเลขไม่ตรง ระบบส่งให้คนตรวจ ไม่เดาแทน จะวางคนตรวจไว้ตรงไหน อ่านต่อได้ใน Human in the Loop โมเดล 3 ระดับ

นักลงทุนทุกค่ายที่อ้างในบทความนี้อยู่ในสหรัฐฯ ตัวเลข 10,000 กับ 120,000 ดอลลาร์ของ Bek เป็นกรณีสมมติที่คิดเป็นดอลลาร์ ส่วน FDA ก็เป็นหน่วยงานกำกับของสหรัฐฯ ในไทยค่าจ้างคนต่ำกว่า ช่องว่างระหว่างค่าโปรแกรมกับค่าจ้างคนที่เล่าไว้ในช่วงที่ 2 จึงยกมาใช้ตรงๆ ไม่ได้ แต่มี 2 เรื่องที่ยังใช้กับธุรกิจบริการของคุณได้ เรื่องแรกคือต้นทุนต่อชิ้นในเช็กลิสต์ข้อ 2 ของช่วงถัดไป เมื่อราคาต่ำอยู่แล้ว กำไรก็แทบไม่เหลือที่ให้พลาด คุณเลยยิ่งต้องรู้ตัวเลขนี้ เรื่องที่สองคือกฎระเบียบที่กลายเป็นคูเมืองตามลักษณะข้อ 4 ในช่วงที่ 1 เพราะงานบริการหลายสาขาในไทยก็มีกฎหมายและใบอนุญาตวิชาชีพคุมอยู่เหมือนกัน

ช่วงที่ 4ธุรกิจบริการเดิม หยิบอะไรไปใช้ ได้พรุ่งนี้

Warren เตือนผู้ก่อตั้งว่าอย่าซื้อธุรกิจบริการเดิมมาเติม AI เพราะ "You just can't acquire a product market fit." ซื้อ PMF มาไม่ได้ ธุรกิจเดิมมีวิธีวัดผล วิธีจ้างคน และความคาดหวังแบบของตัวเอง ใส่ AI เข้าไปก็ไม่เปลี่ยนเรื่องพวกนี้ทันที

คำเตือนนี้บอกคุณ 2 อย่าง คู่มือแนะนำให้คู่แข่งหน้าใหม่สร้างของใหม่มาแข่ง ไม่ใช่มาซื้อบริษัทคุณ และคุณเองก็เอา AI มาวางบนวิธีทำงานเดิมแล้วรอผลไม่ได้เหมือนกัน สิ่งที่คุณมีแต่เขาไม่มีคืองานจริงกับลูกค้าจริง ใช้ข้อได้เปรียบนี้ด้วยการเริ่มจากงานชิ้นเดียว ไม่ใช่ทั้งบริษัท

พอเจองานที่ควรย้าย คำถามถัดไปก็คือจะแก้กระบวนการ สร้างเอง หรือซื้อ แบบประเมิน 8 ข้อ ของเราช่วยบอกว่างานนั้นควรไปทางไหน พร้อมตัวเลข 3 ปี ถ้างานที่ย้ายได้ต่อกันหลายชิ้น บริการวาง agent fleet ของเราช่วยออกแบบขอบเขตของทีม agent (AI ที่ทำงานหลายขั้นต่อกันเองได้) และวางระบบตรวจงานไปพร้อมกัน

ลองนึกถึงงานที่ลูกค้าจ่ายคุณเมื่อเดือนที่แล้ว ชิ้นไหนที่เขาจ่ายเพื่อผลที่เสร็จ และไม่เคยถามว่าใช้คนกี่คนทำ ชิ้นนั้นคือชิ้นที่คู่แข่งจะมาหาก่อน และเป็นชิ้นที่คุณควรลองแตกดูก่อนเขา

ที่มาและอ้างอิง

• Charlie Warren (YC), How to Build an AI-Native Services Company, Startup School, 3 มิถุนายน 2026 ต้นทาง
• Jake Saper, Lotti Siniscalco, Rishub Nahar, Kabir Sial (Emergence Capital), The AI-Native Services Playbook, 30 มีนาคม 2026 ต้นทาง
• Julien Bek (Sequoia Capital), Services: The New Software, 5 มีนาคม 2026 ต้นทาง
• Ashu Garg, Jaya Gupta (Foundation Capital), When model providers eat everything, 5 พฤศจิกายน 2025 ต้นทาง
• Connie Loizos (TechCrunch), The AI services transformation may be harder than VCs think, 28 กันยายน 2025 ต้นทาง
• Y Combinator, Requests for Startups ต้นทาง

อ่านต่อ: บทความทั้งหมด · งานบัญชีชิ้นไหนย้ายไป AI แล้ว · Human in the Loop โมเดล 3 ระดับ